比较热门的十种编程语言
|
尽管该系统很重要，但它在许多农村地区部署较少，只在特定位置存在且只能进行简单的交通计数，无法用于综合交通运营，这主要考虑到成本与效益的影响。 在这方面，无人机提供了一种经济有效的手段来满足农村交通监管系统的需求。公路交通流量具有一定的动态性及不确定性，需要在可到达且偏远地区提供即时和准确的信息。 1. 拥塞监控 近年来，交通拥堵日益严重。人们可以通过收集交通状况的实时信息来改善对交通设施的控制及响应，从而有效减少出行延误，并通过缩短伤员获得救助服务的时间来改善医疗卫生状况。在特定的时刻，监控网络的很大价值仅来自监控网络中的一小部分。 不幸的是，监控网络中价值很高的部分是不断变化且通常是未知的。例如，由于交通事故而形成车辆拥堵的位置取决于不可预测事件发生时的位置。传统的交通监管系统通过高密度地部署位置固定的探测器(包括摄像头)，来保证整个交通网络在变化条件下快速响应的能力。当需要这些固定探测器范围以外的信息时，需要进行人工评估。 美国国家交通流量遥感联盟(NCRST-F)已经认识到利用无人机提供鸟瞰和运输作业的快速响应是一种成本较低的方法。 在无人机交通监控中收集的有用信息，包含车辆的车道变换频率、车辆平均距离、重型车辆的数量、事故类型、车辆轨迹和类型。尽管可以使用环路检测器，但它们仅提供本地信息，不能提供诸如车辆变道之类的细节。 另一方面，配备摄像机的无人机可以提供高速公路的全局视图和相关信息，增强了道路的实时监控能力。 此外，无人机比有人驾驶飞机更具优势。例如，无人机可以在较低的高度飞行;在天气条件不适合有人驾驶飞机飞行时也可使用无人机。该类应用在通过无人机收集信息时应解决两个问题：让道路保持在摄像机的视野中;处理图像并收集相关数据。 通常，无人机捕获的交通数据中包含的信息要比传统监测系统获得的复杂得多。无人机视频不仅包括交通流平均速度、密度和流量等传统数据，还包括每辆车的水平数据，例如车辆轨迹数据、车道变化数据和道路上的汽车跟踪数据。 另外，无人机拍摄的视频帧中包含多辆车，且视频的帧率非常高，因此待处理的数据量将非常大。考虑到这些特征，数据收集、还原和分析被视为在传输中大数据分析的重要组成部分。必须解决的问题包括物理层问题、通信问题和网络层问题。 该项目作为无人机在遥感和多式联运中使用的案例来研究。该项目的主要目标如下所示。
2. 驾驶行为监控 在驾驶行为研究中，还需要详细准确的车辆轨迹数据。驾驶行为模型捕捉驾驶员在不同交通条件下的机动决策，这是微观交通仿真系统的重要组成部分。与传统的交通监管系统相比，通过无人机捕获的图像检测和跟踪车辆具有一定的挑战。
因此，高分辨率的图像对于在车辆检测和跟踪过程中进行精确计算车速和横向位置至关重要。车辆识别方法可以分为光流和特征提取匹配方法。 异常驾驶行为已被用于识别酒后驾驶(DWI)并防止相关事故的发生。目前，执法人员依靠视觉观察来检测此类行为并识别潜在的酒后驾驶员。然而，这种方法受到人为错误的限制，并且仅限于小范围内的车辆。 为了克服这些限制，无人机可用于监控驾驶行为，以防止事故和提升公路安全，并有效、及时地检测和分析高速公路上的危险驾驶活动。执法人员常常使用这些不良行为来识别美国国家公路交通安全管理局(NHTSA)在2010年总结的潜在酒后驾驶员。
为了观察8种潜在的不良行为，必须确定并量化6个关键指标。这些关键指标包括车辆ID、速度、前进距离、车道变换频率、车道变换时间及加速度。因此，计算这些关键指标是确定计算机视觉算法并量化不良行为的首要任务。计算6个关键指标需要车辆相对于车道线的位置以及通过视频帧对车辆进行识别及跟踪。 （编辑：保山站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
